统计学基本研究方法范文

引言：寻求写作上的突破？我们特意为您精选了4篇统计学基本研究方法范文，希望这些范文能够成为您写作时的参考，帮助您的文章更加丰富和深入。

篇1

0引言

 

起源于上世纪七十年代的层次分析法(简称AHP)是由美国运筹学家T.L.Sattyti提出的，主要是对多指标系统方案给出一种层次化、结构化的决策方法。该方法综合考虑了定性与定量两种决策分析方法，在决策分析问题中有着广泛的应用。层次分析法主要是一个模型化、数量化的过程，通过对复杂系统的分解，将其转化为若干因素，在各因素之间通过比较和计算，从而得出不同方案的权重，该权重可为最佳方案的选择提供依据。在处理实际问题的过程中，经常会遇到诸如目标准则层次较多以及非基本结构的复杂决策问题，此时如何能够将该问题简化主要取决于如何从少量的定量信息入手，深入探究问题的本质及其内在关系，将思维的过程数字化，从数学的角度思考，用数字说话，达到准确计量的目的。

 

层次分析法中各层次的结构反映了各因素之间的关系，如何确定该结构是关键所在。通常准则层中的各准则在目标衡量中所占的比重并不一定相同，处理的关键在于如何较为准确的将这些比重进行量化。很多时候，对某个因素有影响的因子比较多，如若直接给出各个因子的比重，难免出现偏差，主要原因有：问题考虑不全面、首尾数据顾此失彼、所有数据可能不符合整体性为1的隐含条件等。比如我们有这样的生活常识：假如有若干个大小不一的西瓜，每个人都能按照自己的感觉给出每个西瓜所占总体重量的大致比重，但是由于不知道每个西瓜具体的重量，每个人给出的数据都不尽相同，而且由于只是估计值，可能所有的比值会出现相互矛盾的情况，也容易出现比值和不等于1的情形。因此，当影响某因素的因子较多时，通常将众多专家研判的均值作为各因子的比重，但这些比重只是初始值，通常要在初始值的基础上经过一系列严格的转化、换算，才能最终得出各准则层的相对权重。各准则层相对权重求解的过程大致可以分为三个步骤：1.构造判断矩阵——分析系统中各因素间的关系，对同一层次各元素关于上一层次中某一准则的重要性进行两两比较，从而构造得出两两比较的判断矩阵;2.构造判断转化矩阵——由上一步中的判断矩阵中数据计算各比较元素所在准则的相对权重，并进行一致性检验。通常由判断矩阵到判断转化矩阵的转化方式不唯一，不同的转化构造方式往往对应不同的适用和使用效果;3.计算各层次对于系统的总排序权重，并进行排序。以上三个步骤中，第二步是关键，最终可以得到各方案对于总目标的总排序。

 

在用层次分析法解决某些具体问题时，可能会出现相对权重明显集中，权重差距较大的现象。因此，需要对层次分析法相对权重进行改进计算，努力提升层次分析法实际应用效果。本文主要介绍确定相对权数的一种新算法—方程法，并且通过实例检验其使用效果。1层次分析法中相对权重的算法新思路

 

1.1建立判断矩阵

 

判断矩阵是在对每一层次中的所有因素进行相对重要性的两两比较的基础上而建立的矩阵，即：

 

R=r111…1R1n

 

rn11…1rnn，其中r11。，r22，…，rnn=0.5，rij表示第i个元素相对于第j个元素的重要程度关系，采用0.05-0.95标度给予数量表示，且rij+rji=1。江苏理工学院学报第20卷第6期孙丹丹：确定统计权数的新方法——方程法

 

rij的取值不应由个别人来确定，应由众多专家共同研判，最终取其均值。专家研判的取值是第i个元素相对于第j个元素的重要程度确定：特别重要(0.85-0.95)、重要(0.75-0.85)、相对重要(0.65-0.75)、稍重要(0.55-0.65)、重要程度相当(0.5)。

 

1.2判断转化矩阵

 

判断转化矩阵：A=a111…1a1n

 

an11…1ann，其中a11，a22，…，ann=1。

 

判断转化矩阵，需要将rij转化为aij。

 

判断转化矩阵中aij和aji必须满足两个条件：①aij*aji=1;②aij-aji=rij-rji(其中i为i和j两个元素中较重要者，否则条件②改为aij-aji=rij-rji)。

 

将以上两个条件进行变换，即aij-11aij=rij-rji或aji-11aji=rji-rij，求解可以得aij或aji(取正数解)。

 

1.3准则层的相对权重的计算

 

①计算判断矩阵中各行元素乘积：Mi=∏N1j=1aij=ai1·ai2…ain(i=1，2，....n)。

 

②计算Mi的n-1次方根：Wli=n-11Mi。

 

判断转化矩阵中涉及元素是n个，反映元素间的关系应是n-1个关系。事实上，由于判断转化矩阵中a11，a12，…，ann=1，因此对角线上的元素对计算判断转化矩阵中各行元素之乘积是没有影响的。基于以上考虑，应该计算Mi的n-1次方根。

 

③对Wli进行正则化处理：Wi=Wli/∑n1i=1Wli，其中Wli为判断矩阵中各行元素乘积的n-1次方根。正则化处理后，∑n1i=1Wi=1。

 

从上述过程可以看出，新方法中准则层的相对权重计算过程与传统层次分析法相比，区别主要在于第二步，即判断转化矩阵的计算。在判断转化矩阵中，aij保留了最初判断矩阵中rij之间的差异性，并进一步将最初判断矩阵的对角线相应因素和为1转化为了判断转化矩阵中的对角线相应因素积为1，这在一定程度上解决了相对权重明显集中，权重差距较大的现象。下面将通过实例，来验证该方法在处理权重差距较大问题时的可行性和优越性。2层次分析法中相对权重的改进算法实际应用

 

全部国有及规模以上非国有工业企业主要经济效益指标：工业增加值率、总资产贡献率、资产负债率、流动资产周转次数、成本费用利润率、全员劳动生产率、产品销售率，记这7个指标分别为1、2、3、4、5、6、7。

 

2.1判断矩阵：11121314151617110.510.2510.8010.5510.7010.8010.75210.7510.510.9010.8010.8510.9510.90310.2010.1010.510.3510.3510.8010.40410.4510.2010.6510.510.5510.8510.60510.3010.1510.6510.4510.510.7510.60610.2010.0510.2010.1510.2510.510.25710.2510.1010.6010.4010.4010.7510.52.2判断转化矩阵

 

由上述矩阵结合算法新思路中判断转化矩阵的求法，不妨以a12与a21为例。

 

由r12=0.25，r21=0.75可知：a21·a12=1，

 

a21-a12=r21-r12，即a21·a12=1，

 

a21-a12=0.5。

 

解方程组可得：a12=0.780 8;a21=1.280 2。

 

同理，可求得所有a1ij，i，j=1，2，…，7。

 

汇总整理后可得如下判断转化矩阵：1112131415161711110.780 811.34411.051 211.219 811.34411.280 8211.280 81111.47711.34411.409 511.546 611.477310.74410.6771110.861 210.861 211.34410.905410.951 310.74411.161 21111.051 211.409 511.105510.819 810.709 511.161 210.951 31111.280 811.105610.74410.646 610.74410.709 510.780 81110.780 8710.780 810.67711.10510.90510.90511.280 8112.3准则层的相对权重的计算

 

由上述矩阵结合算法新思路中准则层的相对权重的计算方法可得：Mi分别为：2.316 294，8.186 244，0.454 378，1.345 582，0.909 344，0.154 815，0.612 73。Mi的n-1次方根分别为：1.150 268，1.419 648，0.876 805，1.050 715，0.984 286，0.732 772，0.921 605。

 

从而可以求得每个Mi相对权重，汇总整理如下：

 

%11121314151617统计局公布权重116120112115114110113新算法权重116.12119.89112.29114.72113.79110.27112.91传统层次分析法权123.36146.5913.1518.95111.8611.5414.55本例中，由最后的计算结果可以看出：若使用传统层次分析法，则最终计算出的权重值差距较大且仅集中于个别因素;而使用新方法所计算出来的相对权重明显更接近于统计局所公布的数值，且由此方法计算出的权重值也有更为合理的解释。

 

篇2

1．1．1理论性和系统性

《医学统计学》是将概率论和数理统计的原理和方法应用于医学科研的一门应用性学科，贯穿医学科研工作的全过程，对培养医学生科研能力方面具有特别重要的意义。《医学统计学》理论性和系统性较强，因此，要“真正”掌握统计方法，应该在先掌握数理统计学原理后，再继续学习《医学统计学》。这样，在学习时间上至少需要200个学时才行!但这在医学院校是绝对行不通的。目前，应该让医学生对统计学理论掌握到何种程度?一直是一个热点的争议问题]。

1．1．2抽象性

《医学统计学》虽然是一门应用型学科，但其思考方式仍然属于抽象性的。而医学生普遍受到医学课程形象思维的训练，对《医学统计学》中的抽象概念和逻辑推理较难接受，导致学生在学习《医学统计学》课程时不去主动思考，不善于总结，而只是机械记忆。因此，经常听到学生抱怨《医学统计学》内容抽象枯燥、公式多、计算繁杂，记公式、背概念需要花大量的时间和精力，难以真正掌握这门学科[2]。

1．2提高所谓主观问题主要是由于医学生自身专业特点和学习态度以及老师对教学认识不同出现的问题

1．2．1学生的重视态度问题

一方面，由于医学生认为毕业后主要工作是临床医生，认为怎样看病、看好病才是真本事。另外，由于统计课程的内容不能直接看到其应用价值，因此，在学习阶段普遍重视临床知识和医学技能的学习，认为《医学统计学》在他们今后实际工作中没有什么用处，故不重视此门课程的学习。作行一次调查中发现2／3的学生对《医学统计学》的重要性没有体会，表示“不清楚或不知道”。另一方面，由于学生缺乏概率论和数理统计方面的背景知识，对《医学统计学》中的概念不能正确理解，特别是难以把握概念间的联系及区别，多靠死记硬背，以应付考试。学生一般期望像其他医学课程一样，在考试前几天进行突击，以通过考试。但往往由于统计学的系统性，不可能征短时间内达到效果，所以，学生普遍形成统¨学课程难学的印象，产生应付了事的态度。

1．2．2科研思维问题

现在，很多人没有意识到《医学统计学》的知识贯穿于医学科学研究的整个过程中，从研究的开始就必须有统计方面的考虑。如实验设计是整个科研过程的关键步骤，不合理的实验设计必将导致不可信的结论。这些设计中如何对照、随机化、样本量估计、指标确定、疗效标准、后期数据处理方法等，均要用到统计学的知识。而现在常见的实验设计错误主要有随机化观念淡漠、缺乏适当的对照组、实验计划不完善、用单因素设计取代多因素设计等，甚至有些研究生对统计学在科研工作中的作用认识模糊，仅在实验数据出来后才开始考虑统计学问题口]。

1．2．3灵活应用问题

虽然学生在本科和研究生阶段学过统计学，但当他们开始做科研设计时，仍然不会选用恰当的统计学方法进行分析。在统计咨询的过程中，作者发现这其中有很多统计学方法都是他们已学过的，但当这些方法以一种新面孔出现时，他们就不会应用了。另外，不能根据数据类型选择恰当的统计学分析方法。无论实验设计是几组数据，一概用t检验来解决，明明是配对资料，却用两组资料t检验来解决。此外，在运用各种统计学分析方法时，忽略其前提条件，对资料的正态性及方差齐性未做考证，直接套用公式，常常出现张冠李戴的现象。

1．2．4教师的认识问题

近几年，针对《医学统计学》教学效果不理想问题，许多教学工作者进行了探索研究。目前，主要的改进措施包括：教学内容的调整、教学模式的调整、考试模式的调整、软件教学和实习课的调整等]。但是，由于各个学校的具体情况和老师的认识程度不同，很难达成统一意见。

2对教学问题的一些新的思考

2．1对教学目标的思考

目前《医学统计学》教学的目标为掌握所讲授的基本内容，包括基本理论、基本方法；能应用基本的统计学分析处理软件进行数据的计算和分析；能阅读专业文献的统计学方法，能进行基本的科学研究统计设计。医学生对《医学统计学》掌握和应用到何种程度是值得讨论的问题。作者认为医学统计学是一门理论性和系统性很强的学科，医学生没有经过系统的理论学习，他们的思维方式属于生命科学“形态性”，而不是数理认知逻辑“抽象性”。因此，要让医学生或临床医生全面、透彻地掌握统计学是很难的，也是不太现实的。作者认为，医学生或临床研究者只能掌握基本的统计学概念和方法。所谓掌握基本的统计学概念，即要求掌握统计学的作用、思考问题的基本方式、解决问题的基本思路；所谓掌握基本的统计学方法，即要求掌握有哪些基本的统计学方法，这些方法应用的前提条件，这些方法应用结果如何解释?总之，当医学生或临床医生在进行科研时，应该清楚必须考虑哪些统计学问题，应该使用何种统计学方法。而当他们遇到具体的细节问题时，可以查阅有关书籍或文献，或者咨询有关统计学专家。因此，作者认为学习《医学统计学》的要求是：具备查阅有关书籍或文献的能力和与统计学家交流和对话的基础。

2．2引导学习态度的思考

引导学生树立良好的学习态度，人们常说“态度决定一切”，而良好的学习态度能激发学生的学习兴趣并充分调动他们学习的积极性。那么，如何激发学生树立良好的《医学统计学》学习态度?讲好“第一堂课”是关键!突出《医学统计学》在他们今后实际工作中所起的巨大作用，通过大量的科研实例来例证《医学统计学》在科研设计、资料收集、数据分析、论文撰写中的重要作用，甚至邀请统计学和临床专家，以讲座的形式，引导学生树立良好的学习态度。当然，引进实例教学、PBL教学、统计实习等手段，也是激发学习兴趣的重要方式l_1]。

2．3对教学内容的思考

传统的教学内容包括3方面：(1)基本概念和方法；(2)公式的来源、推导和详细的手工计算步骤；(3)统计结果的解释与分析[2]。虽然公式的推导有利于对统计基本概念的理解，手工计算能够使学生对公式的印象加深，但对医学生来讲，冗长的公式推导已很难理解，更谈不上对它的记忆了。因此，学生即使在学习了较多的统计学课程后，仍然不理解基本的统计学概念，不会自如地运用统计学公式。作者认为，在《医学统计学》教学中首先应该将基本概念讲清楚，对于一些简单的统计分析可以独立完成；对于复杂的方法，如对于样本量大小的计算，临床医生只要知道为什么要算样本量，至于怎么算就可以交给统计学家来解决。

2．4统计学家参与的思考

篇3

关键词 体育统计学 教学

一、引言

体育统计是运用数理统计的原理和方法对体育领域里各种随机现象规律性进行研究的一门基础应用学科。随着体育科学的发展，体育领域中许多问题都需要运用统计学原理、方法来解决。体育系的大学生学习《体育统计学》有助于提高他们科学地研究或解释体育领域中的各种问题。但大学生参加科研活动的机会较少，运用统计知识的实践机会也很少，造成他们对《体育统计学》的学习目的不明确，且存在一定的偏见。所以，有必要对《体育统计学》的教学方法、方式进行思考与研究，以提高体育系大学生学习《体育统计学》的积极性。

二、研究方法

（一）研究对象

山西体育职业学院09级的全体学生，共6个班级，237人。

（二）研究方法

运用简单随机抽样法中的随机数表法随机在每个班抽取10名学生，共60名学生进行座谈，并做好访谈记录。访谈内容包括对体育统计学的学习目的及意义、学习方法、学习中存在的问题及对教学的建议等。

三、大学生学习《体育统计学》的现状及存在的问题

（一）大学生对《体育统计学》课程开设的误解

经访谈发现山西体育职业学院没有学生认为开设《体育统计学》课程非常必要，仅18%的学生认为开设此课程很有必要，82%的学生认为该课程的开设是没有必要的，认为上体育统计学课就像是在上数学课，学习计算一些统计指标，计算步骤及过程，觉得在今后的学习、工作中运用不到。

（二）大学生在学习《体育统计学》过程中存在的问题

虽然在教学过程中一直强调《体育统计学》是应用性学科，属方法论范畴，重点是掌握方法，但经过与学生访谈后，发现学生在这门课程学习中存在的主要问题是：偏重教科书中列举的各个指标的计算过程和统计推断的计算步骤，也仅限学习书中的例题，不会灵活运用到其他类同的实际教学、训练及科研问题中。学体育的学生数学基础比较薄弱，导致学习兴趣低落。

（三）大学生对《体育统计学》教材的看法

《体育统计学》课程在体育院校开设已有二十几年，体育统计教材多达几十本，但适合于教学的却较少。经访谈后，学生认为教材中的例题比较空，且与实际相差较远；还认为教材中统计理论知识较多，介绍的多是统计方法的推导、计算与步骤，太抽象，不是很符合体育院校学生掌握知识的特点。

四、对大学生学习《体育统计学》的建议

（一）摆正学习态度，明确学习目的

学生不管学什么课程首先要摆正学习态度、明确学习目的，学校开设《体育统计学》课程的目的是为了使学生能够领会体育统计的基本思想、概念、基本思路，并能把体育领域中存在的实际问题，运用科学合理的统计思想及方法进行定量解决，并为将来毕业论文设计或从事体育科研工作打下坚实的基础。

（二）熟悉常见的基本概念及其统计学意义

体育统计中常见的基本概念有正态分布、平均数、方差、标准差、标准误、误差、相关系数等，学生在学习过程中应该重点掌握这些基本概念及统计指标的统计学意义，而不是去弄清每一个指标的计算步骤，计算过程能看明白即可不需要记忆。

（三）掌握假设检验的基本思想

假设检验的基本思想：统计假设有两个类型H0和HA。在具体的研究工作中，样本统计量之间或样本统计量与总体参数之间一般是存在偏差的，这种偏差存在的原因有两种：抽样误差和非抽样误差。

（四）熟知常用假设检验方法的适用条件

体育统计学中常见的假设检验方法有t检验、方差分析、卡方检验、正态性检验、相关分析、回归分析等，不同的检验方法适用的条件是不同的，在进行数据统计的过程中必须严格按照适用条件选择正确的统计推断方法。

（五）熟练掌握SPSS软件处理数据的过程

1.在SPSS软件中的数据输入与编辑

SPSS软件是以数据为操作对象，按统计方法要求整理数据格式，是使用SPSS进行统计分析前首先要进行的工作。数据的输入格式要严格按照相对应的统计方法要求进行编辑，不同的统计方法数据的录入格式不同，如果数据录入错误，就不能进行统计分析，甚至统计出错误的结果。

2.在SPSS软件中的统计方法选择及处理步骤

在SPSS软件中提供了很多统计方法，大部分的统计方法在数据编辑窗“Analyze”的下拉菜单中。在保证数据录入正确的前提下，根据自己研究需要选择合适的统计方法，在打开的窗口中导入相对应变量，并在复选框中选择想要的统计指标，再点击 “ok”，即可得到统计分析结果。

3.正确解释SPSS软件处理数据的结果

对于统计结果的分析，首先要按照假设检验思想进行分析，用小概率水平来控制，其次要联系实际问题进行分析，从统计结果去估计发生某种体育事件的原因，进而来反映实验或调查的科学性、实践性、合理性，并根据研究结果的实用性投入实践。

参考文献：

篇4

【论文关键词】统计学；统计思想；认识

1关于统计学

统计学是一门实质性的社会科学，既研究社会生活的客观规律，也研究统计方法。统计学是继承和发展基础统计的理论成果，坚持统计学的社会科学性质，使统计理论研究更接近统计工作实际，在国家和社会得到广泛发展。

2统计学中的几种统计思想

2.1统计思想的形成

统计思想不是天然形成的，需要经历统计观念、统计意识、统计理念等阶段。统计思想是根据人类社会需求的变化而开展各种统计实践、统计理论研究与概括，才能逐步形成系统的统计思想。

2.2比较常用的几种统计思想

所谓统计思想，就是统计实际工作、统计学理论及应用研究中必须遵循的基本理念和指导思想。统计思想主要包括:均值思想、变异思想、估计思想、相关思想、拟合思想、检验思想。现分述如下：

2.2.1均值思想

均值是对所要研究对象的简明而重要的代表。均值概念几乎涉及所有统计学理论，是统计学的基本思想。均值思想也要求从总体上看问题，但要求观察其一般发展趋势，避免个别偶然现象的干扰，故也体现了总体观。

2.2.2变异思想

统计研究同类现象的总体特征，它的前提则是总体各单位的特征存在着差异。统计方法就是要认识事物数量方面的差异。统计学反映变异情况较基本的概念是方差，是表示“变异”的“一般水平”的概念。平均与变异都是对同类事物特征的抽象和宏观度量。

2.2.3估计思想

估计以样本推测总体，是对同类事物的由此及彼式的认识方法。使用估计方法有一个预设：样本与总体具有相同的性质。样本才能代表总体。但样本的代表性受偶然因素影响，在估计理论对置信程度的测量就是保持逻辑严谨的必要步骤。

2.2.4相关思想

事物是普遍联系的，在变化中，经常出现一些事物相随共变或相随共现的情况，总体又是由许多个别事务所组成，这些个别事物是相互关联的，而我们所研究的事物总体又是在同质性的基础上形成。因而，总体中的个体之间、这一总体与另一总体之间总是相互关联的。

2.2.5拟合思想

拟合是对不同类型事物之间关系之表象的抽象。任何一个单一的关系必须依赖其他关系而存在，所有实际事物的关系都表现得非常复杂，这种方法就是对规律或趋势的拟合。拟合的成果是模型，反映一般趋势。趋势表达的是“事物和关系的变化过程在数量上所体现的模式和基于此而预示的可能性”。

2.2.6检验思想

统计方法总是归纳性的，其结论永远带有一定的或然性，基于局部特征和规律所推广出来的判断不可能完全可信，检验过程就是利用样本的实际资料来检验事先对总体某些数量特征的假设是否可信。

2.3统计思想的特点

作为一门应用统计学，它从数理统计学派汲取新的营养，并且越来越广泛的应用数学方法，联系也越来越密切，但在统计思想的体现上与通用学派相比，还有着自己的特别之处。其基本特点能从以下四个方面体现出：（1）统计思想强调方法性与应用性的统一；（2）统计思想强调科学性与艺术性的统一；（3）统计思想强调客观性与主观性的统一；（4）统计思想强调定性分析与定量分析的统一。

3对统计思想的一些思考

3.1要更正当前存在的一些不正确的思想认识

英国著名生物学家、统计学家高尔顿曾经说过：“统计学具有处理复杂问题的非凡能力，当科学的探索者在前进的过程中荆棘载途时，唯有统计学可以帮助他们打开一条通道”。但事实并非这么简单，因为我们所面临的现实问题可能要比想象的复杂得多。此外，有些人认为方法越复杂越科学，在实际的分析研究中，喜欢简单问题复杂化，似乎这样才能显示其科学含量。其实，真正的科学是使复杂的问题简单化而不是追求复杂化。与此相关联的是，有些人认为只有推断统计才是科学，描述统计不是科学，并延伸扩大到只有数理统计是科学、社会经济统计不是科学这样的认识。这种认识是极其错误的，至少是对社会经济统计的无知。比利时数学家凯特勒不仅研究概率论，并且注重于把统计学应用于人类事物，试图把统计学创建成改良社会的一种工具。经济学和人口统计学中的某些近代概念，如GNP、人口增长率等等，均是凯特勒及其弟子们的遗产。

3.2要不断拓展统计思维方式

统计学是以归纳推理或归纳思维为主要的逻辑方式的。众所周知，逻辑推理方式主要有两种：归纳推理和演绎推理。归纳推理是基于观测到的数据信息(尤其是不完全甚至劣质的信息)去产生新的知识或去验证一个假设，即以所掌握的数据信息为依据，归纳得出具有一般特征的结论。归纳推理是要在数据信息的基础上透过偶然性去发现必然性。演绎推理是对统计认识能力的深化，尤其是在根据必然性去研究和认识偶然性方面，具有很大的作用。

3.3深化对数据分析的认识

任何统计研究都离不开数据分析。因为这是得到统计研究结论的必要环节。虽然统计分析的形式随时代的推移而变化着，但是“从数据中提取一切信息”或者“归纳和揭示”作为统计分析的目的却一直没有改变。对统计数据分析的原因有以下三个方面：一是基于同样的数据会得出不同、甚至相反的分析结论；二是我们所面对的分析数据有时是缺损的或存在不真实性；三是我们所面对的分析数据有时则又是海量的，让人无从下手。虽然统计数据分析已经经历了描述性数据分析(DDA)、推断性数据分析(IDA)和探索性数据分析(EDA)等阶段，分析的方法技术已经有了质的飞跃，但与人类不断提高的要求相比，存在的问题似乎也越来越多。所以，我们必须深化对数据分析的认识，围绕“准确解答特定问题并且从数据中获取一切有效信息”这一目的，不断拓展研究思路，继续开展数据分析方法技术的研究。

参考文献:

[1]陈福贵.统计思想雏议[J]北京统计,2004,(05).